Modulets indhold, forløb og pædagogik

Læringsmål

Viden

• skal have viden om komprimering af en- og to-dimensionale signaler samt om datarepræsentationer

• skal have viden om klassiske og bayesianske statistiske metoder til behandling af støjfyldte signaler

• skal have viden om simuleringsteknikker, herunder specielt om Markov-kæde og Monte Carlo-metoder

• skal have viden om, hvordan tyndt besatte repræsentationer og statistiske teknikker påvirker data/signaler i den virkelige verden

Færdigheder

• skal være i stand til at bruge bayesianske og hierarkiske statistiske metoder til at analysere tidsserier og gitterdata og være i stand til at evaluere kvaliteten af ​​de opnåede resultater

• skal være i stand til at bruge komprimerede signal/data repræsentationer på faktisk eller syntetiske data og være i stand til at evaluere kvaliteten af ​signal/data rekonstruktioner

Kompetencer

• er i stand til at kommunikere resultater fra statistiske analyser til ikke-specialister inden for avanceret signalbehandling

• er i stand til uafhængigt at udvikle statistiske modeller, der er egnede til analyse af virkelige signaler, såsom støjende digitale billeder eller kommunikationssignaler

• er i stand til at bruge tyndt besatte repræsentationer og/eller statistiske metoder til at løse et givet praktisk problem og om nødvendigt foretage mindre justeringer af metoderne for at opnå den ønskede funktionalitet

Undervisningsform

Projektarbejde med inddragelse af PBL-læringselementer.

Omfang og forventet arbejdsindsats

Kursusmodulets omfang er 15 ECTS svarende til 450 timers studieindsats.

Eksamen

Prøver